杨植麟｜访谈内容与知识整理

访谈基本信息#

访谈内容整理#

• 走出“缸中之脑”（Agentic LLM）：
  • 形象地比喻纯文本模型就像养在鱼缸里的脑子；而 K2 等 Agentic 模型的重点是赋予模型操控代码、工具与外部数字世界的能力，让 AI 从“能思考”蜕变为“能干活的万能构造器”。
• 开源转向与 Token Efficiency：
  • 解释 Kimi 为什么从早期闭源走向开源；分享如何在训练中追求极致的 Token Efficiency（通过数据改写 Rephrase 与关注 Muon 优化器，让模型喂同样多的数据长出更强的智商）。
• 创业心态与“无限的山”：
  • 引用物理学家大卫·多伊奇《无穷的开始》中的名言“问题是不可避免的，问题是可以被解决的”，坦然面对大模型竞赛中的舆论与资本风暴。

技术与商业知识#

1. Kimi K2：月之暗面推出的基于 MoE（混合专家）架构的开源 Agentic 及编程大语言模型。
2. 缸中之脑（Brain in a Vat）：访谈中用于指代仅具备文本交互能力、无法通过工具与外部物理/数字世界进行多轮交互的传统大模型形态。
3. Muon 优化器：一种新型神经网络训练优化器，能够在训练中显著提高 Token 效率与收敛速度。
4. Token Efficiency（Token 效率）：在消耗相同数量数据 token 的前提下，通过模型架构与数据清洗/改写，让模型获得更高智能上限的能力。

JW 的个人心得#

待 JW 观看原访谈后补充。欢迎在下方评论区分享你的理解、补充与不同看法。